Apresentação de artigo

Uso de diagramas de controle na vigilância epidemiológica das infecções hospitalares

Mikael Marin Coletto

Informações do artigo

  • Título do artigo: Uso de diagramas de controle na vigilância epidemiológica das infecções hospitalares
  • Autores: Aglai Arantes, Eduardo da Silva Carvalho, Eduardo Alexandrino Servolo Medeiros, Calil Kairalla Farhat e Orlando César Mantesa
  • Acesso em: https://www.scielo.br/j/rsp/a/Z5C5Hy73rxLWqxkxJ6Xwprq/#
  • Revista: Saúde de Pública 2003;37(6):768-74

Introdução

  • Importância da vigilância epidemiológica em hospitais.
  • Necessidade de monitorar a ocorrencia de infecções hospitalares para identificar surtos e implementar medidas de controle.
  • Objetivo: Avaliar a eficácia do uso de diagramas de controle na vigilância epidemiológica das infecções hospitalares.

Objetivo

  • Monitorar a tendência de ocorrência e identificar surtos de infecções hospitalares.

Metodologia

  • Estudo de coorte prospectivo de aproximadamente 3 anos (jan/1998 à dez/2000), em Unidade de Terapia Intesiva Pediátrica.
  • Vigilância epidemiológica segundo critérios NNIS/CDC e MS.
  • Cálculo mensal das taxas de infecção hospitalar por paciente-dia e lugares específicos.
  • Foram determinadas taxas gerais de infecções hospitalares por mil pacientes/dia e taxas para locais específicos associados a mil procedimentos/dia.
  • Gráfico u selecionado com base na distribuição de Poisson.

Etapas (pt. 1)

1 - Cálculo da taxa média de incidência de infecções (X = nº total de infecções/nº paciente dia total).

2 - Cálculo da média de paciente dia mensal (nº paciente dia/nº total de meses).

3 - Cálculo do desvio-padrão (σ = √X/n).

4 - Cálculo das linhas do diagrama:

  • Linha Central (LC) -> Taxa média de incidência.

  • Linha de Alerta Superior (LAS) -> LC + 2σ.

  • Linha de Controle Superior (LCS) -> LC + 3σ.

  • Linha de Controle Inferior (LCI) -> LC - 3σ.

Etapas (pt. 2)

5 - Cálculo das taxas mensais de incidência e plotagem no gráfico.

6 - Avaliação dos critérios de decisão:

  • Uma taxa acima da LCS ou abaixo da LCI.

  • 2-3 taxas consecutivas entre 2σ e 3σ.

  • 9 taxas consecutivas do mesmo lado da linha central.

  • 6 taxas consecutivas com aumentos ou decréscimos.

  • 14 taxas alternando acima e abaixo da linha central.

  • 15 taxas consecutivas abaixo da linha central.

Gráficos

Gráfico de primeiro cálculo das taxas e limites

Gráfico removendo pontos endêmicos do cálculo das taxas e limites

Resultados

  • 460 pacientes internados, 50 deles tiveram 60 episódios de infecções hospitalares.
  • Média mensal de 83 pacientes.
  • Incidência média mensal de 20 por mil pacientes dia, passando para 18 após a remoção do período epidêmico.
  • Taxa de incidência de infecção hospitalar foi de 63 por mil pacientes dia em julho de 2020, ultrapassando a LCS.
  • Densidade de utilização de dispositivos invasivos acima do percentil 90 segundo o NNIS.
  • Taxas de infecção específicas entre P50-P90 segundo o NNIS.

Resultados (Surto)

  • Surto de infecção hospitalar em julho de 2020, num surto de infecção urinária.
  • Taxa no mês de 63 por mil pacientes dia.
  • 5 pacientes com infecção urinária, 4 com bacteremia e 1 com pneumonia.

Vantagens do uso de diagramas de controle

  • Identificação de variações anormais/surtos.
  • Discriminação entre variações naturais e eventos incomuns.
  • Dispensa o uso de cálculos e testes de hipóteses adicionais.
  • Possibilita o monitoramento contínuo e detecção precoce.

Conclusão

  • Diagramas de controle são ferramentas úteis na vigilância de IH
  • Permitiram identificar e distinguir surtos das variações normais
  • Uso pode aprimorar a detecção e investigação de surtos hospitalares
  • Limitação: necessários pelo menos 25 meses para assegurar estabilidade

Ref. biblio. do artigo

  • Benneyan JC. Statistical quality control methods in infection control and hospital epidemiology, part I: introduction and basic theory. Infect Control Hosp Epidemiol 1993;19:194-214.
  • Benneyan JC. Statistical quality control methods in infection control and hospital epidemiology, part II: Chart uses, statistical properties, and research issues. Infect Control Hosp Epidemiol 1993;19:265-83.
  • Center for Disease Control and Prevention. Guidelines for investigating clusters of health events. MMWR 1990;39:1-22.
  • Center for Disease Control and Prevention. Semiannual report. Aggregated data from the National Nosocomial Infection Surveillance (NNIS) System. Available from: URL: Http://www.cdc.gov/ncidod/hip/surveill/nnis.htm [2000]
  • Emori TG, Edwards JR, Culver DH, Sartor C, Stroud LA, Gaunt EE, Horan TC, Gaynes RP. Accuracy of reporting nosocomial infections in intensive-care-unit patient to the National Nosocomial Infections Surveillance System: a pilot study. Infect Control Hosp Epidemiol 1998;19:308-16.
  • Garner JS, Jarvis WR, Emori TG, Horan TC, Hughes JM. CDC definitions for nosocomial infections, 1988. Am J Infect Control 1988;16:128-40.
  • Gaynes RP, Culver DH, Emori TG, Horan TC, Benarjee SN, Edwards JR, et al. The National Nosocomial Infections Surveillance System: plans for the 1990s and beyond. Am J Med 1991;91(Suppl 3B):116-20.
  • Haley RW, Tenney JH, Lindsey JO, Garner JS, Bennett JV. How frequent are outbreaks of nosocomial infection in community hospital? Infect Control Hosp Epidemiol 1985;6:233-6.
  • Haley RW, Gaynes RP, Aber RC, Bennett JV. Surveillance of nosocomial infections. In Bennett JV, Brachmann PS. Hospital Infections. 3ʳᵈ ed. Boston: Little Brown; 1992 p. 79 -109.
  • Horan TC, Emori TG. Definitions of key terms used in the NNIS system. Am J Infect Control 1997;25:112-6.
  • Jacquez GM, Waller LA, Grimson R, Wartenberg D. The analysis of disase clusters, part I: state of the art. Infect Control Hosp Epidemiol 1996;17:310-27.
  • Jacquez GM, Grimson R, Waller LA, Watenberg D. The analisys of disease clusters, part II: introduction to techniques. Infect Control Hosp Epidemiol 1996;17:385-97.
  • Ministério da Saúde. Portaria n° 2616 de 12 de maio de 1998. Diário Oficial da União, Brasília (DF): 13 de maio; 1998.
  • Sellick JA. The use of statistical process control charts in hospital epidemiology. Infect Control Hosp Epidemiol 1993;14:649-56.

Gráficos

Código
# Colunas
month_year <- c(
  "Janeiro/1998", "Fevereiro/1998", "Marco/1998", "Abril/1998", "Maio/1998", "Junho/1998",
  "Julho/1998", "Agosto/1998", "Setembro/1998", "Outubro/1998", "Novembro/1998", "Dezembro/1998",
  "Janeiro/1999", "Fevereiro/1999", "Marco/1999", "Abril/1999", "Maio/1999", "Junho/1999",
  "Julho/1999", "Agosto/1999", "Setembro/1999", "Outubro/1999", "Novembro/1999", "Dezembro/1999",
  "Janeiro/2000", "Fevereiro/2000", "Marco/2000", "Abril/2000", "Maio/2000", "Junho/2000",
  "Julho/2000", "Agosto/2000", "Setembro/2000", "Outubro/2000", "Novembro/2000", "Dezembro/2000"
)
month_year_res <- c(
  "Jan/1998", "Fev/1998", "Mar/1998", "Abr/1998", "Mai/1998", "Jun/1998",
  "Jul/1998", "Ago/1998", "Set/1998", "Out/1998", "Nov/1998", "Dez/1998",
  "Jan/1999", "Fev/1999", "Mar/1999", "Abr/1999", "Mai/1999", "Jun/1999",
  "Jul/1999", "Ago/1999", "Set/1999", "Out/1999", "Nov/1999", "Dez/1999",
  "Jan/2000", "Fev/2000", "Mar/2000", "Abr/2000", "Mai/2000", "Jun/2000",
  "Jul/2000", "Ago/2000", "Set/2000", "Out/2000", "Nov/2000", "Dez/2000"
)

infections <- c(
  4, 2, 0, 2, 0, 2, 4, 2, 1, 1, 0, 1,
  2, 1, 1, 1, 0, 0, 1, 1, 0, 2, 0, 2,
  2, 2, 3, 2, 3, 1, 7, 0, 3, 2, 3, 2
)

patient_days <- c(
  103, 100, 79, 101, 63, 106, 119, 94, 35, 60, 40, 77,
  92, 69, 79, 76, 84, 83, 69, 44, 74, 55, 75, 78,
  69, 80, 106, 100, 85, 92, 110, 73, 101, 111, 105, 108
)

# Criando o dataframe
hospital_infections <- data.frame(
  month_year = month_year,
  month_year_res = month_year_res,
  infections = infections,
  patient_days = patient_days
)

total_patients <- sum(hospital_infections$patient_days)
mean_inc <- mean(hospital_infections$infections/hospital_infections$patient_days)


hospital_infections <- hospital_infections |> 
  dplyr::mutate(
    mean_patients = patient_days/total_patients,
    sd_infections = sqrt(mean_inc/patient_days),
    upper_control_limit = mean_inc + 3*sd_infections,
    lower_control_limit = ifelse(mean_inc - 3*sd_infections < 0, 0, mean_inc - 3*sd_infections),
    upper_alert_limit = mean_inc + 2*sd_infections,
  )

# Gráfico

ggplot(hospital_infections, aes(x = month_year_res, y = infections/patient_days)) +
  ggplot2::geom_line(group = 1, color = "black") +
  ggplot2::geom_point() +
  ggplot2::geom_hline(yintercept = mean_inc, linetype = "dashed", color = "black") +
  # geom_hline(yintercept = hospital_infections$upper_control_limit, linetype = "dashed", color = "blue") +
  # geom_hline(yintercept = hospital_infections$lower_control_limit, linetype = "dashed", color = "blue") +
  # geom_hline(yintercept = hospital_infections$upper_alert_limit, linetype = "dashed", color = "green") +
  ggplot2::geom_line(aes(y = upper_control_limit), group = 1, linetype = "dashed", color = "red") +
  ggplot2::geom_line(aes(y = lower_control_limit), group = 1, linetype = "dashed", color = "red") +
  ggplot2::geom_line(aes(y = upper_alert_limit), group = 1, linetype = "dashed", color = "orange") +
  ggplot2::labs(
    title = "Gráfico de controle de infecções hospitalares",
    x = "Mês/Ano",
    y = "Taxa de infecção por paciente dia por mil",
    color = "Legenda"
  ) +
  ggplot2::theme_minimal() +
  ggplot2::theme(axis.text.x = element_text(angle = 90, hjust = 1)) +
  ggplot2::theme(panel.grid.major.x = element_blank(),
        panel.grid.minor = element_blank()) +
  ggplot2::scale_y_continuous(breaks = seq(0.01, 0.1, by = 0.01))